長江經濟帶農業碳生產率的測定及空間收斂性研究

　　摘 要：【目的】 提高長江經濟帶的農業碳生產率，推動長江經濟帶農業高質量發展。【方法】 測算長江經濟帶農業碳生產率，對其進行空間相關性檢驗，進而進行收斂性分析。【結果】(1)長江經濟帶農業碳生產率在整體上呈逐年增長態勢，且呈現出從上游到中游、下游逐次遞增的格局。(2) 長江經濟帶農業碳生產率存在正向空間自相關關系，并且空間自相關程度表現出波動上升趨勢。(3) 長江經濟帶農業碳生產率存在 α 收斂，即農業碳生產率的地區差異隨著時間的推移而縮小。長江經濟帶及各區域農業碳生產率均存在 β 收斂和條件 β 收斂，即落后地區的農業碳生產率增長率快于發達地區，各地區的農業碳生產率最終收斂到自己的穩態水平;空間效應加快了長江經濟帶農業碳生產率的 β 收斂速度。(4) 農業經濟發展水平及耕地面積對農業碳生產率增長率均具有負向影響，農村居民收入的提高和種植結構的優化則有利于農業碳生產率的提升。【結論】 長江經濟帶農業碳生產率存在區域差異，但總體呈現上升趨勢。

　　關鍵詞：長江經濟帶;農業;碳生產率;收斂性

　　李穎， 湖南生態科學學報 發表時間：2021-11-08

　　近十幾年來，溫室氣體排放迅速增加，而溫室氣體的主要成分是二氧化碳，由此導致碳排放不斷增加，環境日益惡化。據國家發展改革委員會國家氣候變化對策協調小組辦公室的統計，我國農業生產活動產生的碳排放占全國碳排放總量的10%以上，居各類碳排放源的碳排放量的第二位，已成為我國碳排放增長的主要來源之一。十九大以來，“綠色發展”已成為我國農業發展的重要導向，實現農業綠色發展也成為推動農業高質量發展的重要內容。因此，圍繞著農業綠色發展所展開的農業碳生產率問題研究亦成為探索我國農業高質量發展的重要議題。針對農業碳生產率問題，國內外學者從不同角度進行了大量的研究。目前學術界關于這方面的研究主要集中在碳生產率的概念、測定以及農業生產率收斂性的研究等方面。Kaya和Yokobori(1998)率先提出了碳生產率的概念，以GDP與CO2排放量比值作為碳生產率,這一概念體現了單位二氧化碳排放所帶來的經濟效益[1]。金炯振(2009)基于1978—2007 年的省級面板數據，將非參數Malmquist生產率指數模型與參數隨機前沿函數模型相結合，構建了SFAMalmquist生產率指數模型，通過這一模型對中國各地區的農業全要素生產率(TFP)變化指數進行了測算，并研究了其時序增長與空間分布特征[2]。劉劍 (2012)基于DEA的Malmquist的指數方法，分別從整體和各省區兩個方面考察了我國農藥制造業的全要素生產率的增長趨勢，結果顯示：從全國的數據來看，我國農藥制造業的全要素生產率呈現波動增長，技術進步對此作出了重大貢獻，從不同地區來看，大部分地區的生產率基本上都得到了不同程度的增長，只有少數地區有所下降[3]。高鳴等(2015)依據1999—2010年的面板數據，對中國各省區的農業碳排放量進行了測算，使用空間Morans’I指數和收斂性模型對中國農業碳排放績效的動態變化和空間聚集與收斂等問題進行了分析[4]。郭四代等(2016)運用中國12個西部地區省份2006—2015年的農業數據，建立計量模型,測算了12個省份的碳排放總量和碳排放效率，并利用三種收斂方法檢驗了西部地區農業碳排放效率的變動趨勢[5]。王善高等(2018)測算了我國農業生產的環境效率，并對農業生產環境效率進行收斂性分析[6]。綜合來看，現有研究成果大多是從宏觀層面進行的研究，同時因構建模型、數據和地區等方面存在差異，其研究結論差異較大，同時對于長江經濟帶區域農業碳排放效率及其收斂性的系統研究涉足較少。自2015年長江經濟帶成為國家重大戰略區域以來，“生態優先，綠色發展”已成為區域經濟高質量發展的重要導向，促進農業低碳發展也成為實現該區域農業高質量發展的重要方面。本研究擬對長江經濟帶農業碳生產率進行測算，了解其演變趨勢，并分析其區域差異特征及空間收斂性，這對于實現長江經濟帶農業低碳、可持續發展具有重要的意義[7]。

　　1 研究區概況與數據來源

　　1.1 研究區概況

　　長江經濟帶是以長江流域為基礎和紐帶，橫跨我國東中西三大經濟區域，是全國除了沿海開放區以外，經濟密度最大的經濟帶，也是生態文明建設的先行示范帶。區內有六大平原，耕地等農業資源十分豐富;全國9大商品糧生產基地中，長江經濟帶獨占6席;農業產值占全國40%左右，糧食產量約占全國38.5%，承載了全國50%以上的農業從業人口;因此，長江經濟帶在我國農業發展格局中的地位相當重要。

　　根據長江經濟帶規劃綱要的要求，“生態優先、綠色發展”已成為長江經濟帶經濟高質量發展的重要導向。2018年10月，國家發展改革委員會、生態環境部和農業農村部等聯合下發的《關于加快推進長江經濟帶農業面源污染治理的指導意見》指出，必須加快推進長江經濟帶農業綠色發展，推行綠色農業生產方式，協調農業經濟發展與資源環境的保護，助力長江經濟帶經濟高質量發展;至此，長江經濟帶農業轉向低碳、綠色、可持續的高質量發展道路;而提高農業碳生產率則是實現長江經濟帶農業低碳發展的關鍵。

　　1.2 數據來源

　　本研究在計算長江經濟帶農業碳排放量時，通過化肥施用量、農用柴油使用量、農藥施用量、農膜使用量、土地翻耕面積、有效灌溉面積、及牛、馬、驢、騾、豬、羊等牲畜的飼養頭數等幾個碳源，計算得到長江經濟帶2008—2018年農業二氧化碳的排放量。其中，化肥施用量、農用柴油使用量、農藥施用量、農膜使用量、土地翻耕面積、有效灌溉面積等數據均來源于《中國農村統計年鑒》(2009— 2019年)，牛、馬、驢、騾、豬、羊等牲畜的飼養頭數則來源于《中國統計年鑒》(2009—2019年)。

　　2 研究方法

　　2.1 農業碳生產率的測算與分析

　　2.1.1 農業碳排放量的核算

　　本研究參考相關學者關于農業碳排放的估算方法，測算各省份農業的碳排放量，公式如下： CE =∑i = 1 n CEi =∑i = 1 n Qi × εi (1)式中，CE 表示農業的總碳排放量，CEi 表示第 i 種碳源的碳排放量，Qi 表示第 i 種碳源的量， εi 表示第i種碳源的碳排放系數。農業碳排放主要來自于以下兩個方面：一是農業生產過程中化肥、柴油、農藥、農膜、翻耕、農業灌溉產生的碳排放，二是牛、馬、驢、騾、豬、羊在養殖過程中腸道發酵和糞便處理產生的碳排放，各碳源對應的碳排放系數的數值主要取自IPCC第五次報告和一些經典文獻的研究結果[8]。

　　2.1.2 農業碳生產率的測算

　　本研究基于各省域農業碳排放總量和農業增加值，將農業碳生產率定義為一段時期內農業增加值與農業碳排放總量的比值[9]，具體公式如下： C = AGDP CE (2)式中， C 為農業碳生產率(萬元/t); AGDP 為農業增加值(億元); CE 為農業碳排放量(萬t)。本文的樣本區間為2008—2018年，考察對象為中國長江經濟帶11個省(市)。長江經濟帶按其流域地形可分為上游(重慶、四川、貴州、云南)、中游(湖南、湖北、江西)和下游(上海、浙江、江蘇、安徽) 三個區域[10]。

　　2.2 農業碳生產率的空間相關性檢驗

　　為了檢驗長江經濟帶各省區之間的農業碳生產率是否存在空間相關性，本文采用莫蘭指數(Moran’s I)[11]作為衡量農業碳生產率空間自相關性的指標。莫蘭指數的公式如下: I = n∑i = 1 n ∑i - 1 n Wij (Ci - Cˉ)(Cj - Cˉ) ∑i = 1 n ∑i = 1 n Wij∑i = 1 n (Ci - Cˉ) 2 (3)其中， Ci 與 Cj 分別表示 i 地區與 j 地區的農業碳生產率;Cˉ為各省區農業碳生產率的均值; Wij 為空間權重矩陣，此處選取兩省的相鄰關系來衡量地區間的空間關系，構建出11個省份的空間鄰接權重矩陣。莫蘭指數取值介于-1～1之間，其絕對值越大，表明其空間相關性越強;絕對值越小則表明空間相關性越弱。

　　2.3 農業碳生產率的收斂性分析

　　考慮到長江經濟帶各省區之間農業碳生產率可能存在區域差異，本研究以新古典經濟學的理論為基礎，選用三種收斂方法來考察長江經濟帶各省區農業碳生產率的收斂性，分別為 α 收斂、絕對 β 收斂以及條件 β 收斂，其中 β 收斂為 α 收斂的必要不充分條件[12]。

　　2.3.1 α 收斂檢驗

　　本研究采用 α 系數分析長經濟帶農業碳生產率的離差，通過測算長江經濟帶及各省區農業碳生產率的 α 系數來判斷是否存在 α 收斂。若存在收斂，則隨著時間推移，農業碳生產率的 α 系數會逐漸縮小，反之則說明具有 α 發散特征[13]。 α 系數的計算公式如下：式中， α 表示系數， i 為省份， N 為省份個數， C 表示農業碳生產率， Cˉ表示農業碳生產率的均值， Ln 表示取對數。

　　2.3.2 β 收斂檢驗

　　β 收斂模型是從新古典經濟學的經濟收斂理論發展而來的。 β 收斂模型的核心是考察某區域的農業碳生產率的增長率與初始水平之間的關系[14]。如果增長率與初始水平之間呈負相關關系，則農業碳生產率存在 β 收斂。 β 收斂模型又分為絕對 β 收斂和條件 β 收斂兩種形式。

　　(1) 絕對 β 收斂。絕對 β 收斂是指長江經濟帶及各省區的農業碳生產率的增長速度與初始水平呈現反向變動關系[15]。本文構建的絕對 β 收斂模型如下： Ln( Ci，t + 1 Ci,t )= α + βLnCi,t + εi,t (5)式中， i 為省份， t 為年份，Ci,t 為 i 省 t 年的農業碳生產率， α 為常數項， β 為基期碳生產率的回歸系數， εi,t 為隨機擾動項系數，如果回歸系數 β 顯著小于0，則表明農業碳生產率存在絕對 β 收斂。

　　由于長江經濟帶各省區農業碳生產率可能存在空間相關性，為避免 β 收斂估計結果出現偏差，必須將空間因素的影響考慮在內[16]。因此，本文在模型(5)的基礎上引入空間因素，分別構建空間滯后模型和空間誤差模型如下： Ln( Ci，t + 1 Ci,t )= α + ρW( Ci，t + 1 Ci,t )+ βLnCi,t + εi,t (6) Ln( Ci，t + 1 Ci,t )= α + βLnCi,t + μi,t ，μi,t = λWμi,t + εi, (t 7)式中，式(6)為空間滯后模型(SLM)，指的是某地區的被解釋變量的影響因素會通過空間傳導機制影響其相鄰地區;式(7)為空間誤差模型(SEM)，它假設農業碳生產率在各區域間的空間依賴性由誤差項反映。 W 為空間權重矩陣。 ρ 為空間滯后系數， λ 為空間誤差系數， εi,t 與 μi,t 為隨機擾動項。

　　本文采用極大似然估計法(QML)來檢驗長江經濟帶農業碳生產率收斂性。然后基于LM檢驗來選擇具體的空間收斂模型。LM檢驗結果表明，SEM模型更適合絕對 β 收斂檢驗。另外，本文通過Hausman檢驗來選擇估計模型。Hausman檢驗結果顯示：P值< 0.05，因此拒絕原假設，說明絕對 β 收斂模型更適合使用固定效應(FE)的估計方法。

　　(2)條件 β 收斂。條件 β 收斂是指由于各省區在農業經濟增長、種植結構、人均收入等方面存在差異，各省區的農業碳生產率會最終收斂于各自的穩態值[17]。在絕對 β 收斂模型的基礎上，本文納入影響農業碳生產率的控制變量，構建條件 β 收斂模型如下: Ln( Ci，t + 1 Ci,t )= α + βLnCi,t + θXi,t + εi,t (8)式中，控制變量 X 包括農業經濟發展水平、農村居民收入、種植結構和耕地面積等變量， θ 為控制變量的回歸系數，其余變量與式(5)的變量含義相同。如果回歸系數 β 顯著小于0，則意味著農業碳生產率存在條件 β 收斂。

　　考慮到長江經濟帶各省區之間農業碳生產率的可能存在正向空間相關性，本文在模型(8)的基礎上引入空間因素[18]，分別構建空間滯后模型(SLM)和空間誤差模型(SEM)如下: Ln( Ci，t + 1 Ci,t )= α + ρW( Ci，t + 1 Ci,t )+ βLnCi,t + θXi,t + εi,t (9) Ln( Ci，t + 1 Ci,t )= α + βLnCi,t + θXi,t + +μi,t , μi,t = λWμi,t + εi,t (10)式中，式(9)為SLM模型，式(10)為SEM模型。 W 、 ρ 、 εi,t 與 μi,t 的含義與式(6)、式(7)的系數含義相同。兼顧數據的可得性與研究對象的特點等因素，本文選取農業經濟發展水平(PGDP)、農村居民收入(INCOM)、種植結構(STRUCTURE)、耕地面積(AREA)作為控制變量[19]。

　　對于條件 β 收斂模型，本文采用極大似然估計法(QML)來檢驗長江經濟帶農業碳生產率收斂性[20]。然后基于LM檢驗來選擇具體的空間收斂模型。LM 檢驗結果表明，SLM模型更適合條件 β 收斂檢驗。同時，經Hausman檢驗結果顯示：P值<0.05，因此拒絕原假設，說明條件 β 收斂模型更適合使用固定效應(FE)的估計方法。

　　3 結果與分析

　　3.1 長江經濟帶農業碳生產率測算結果分析

　　表1給出了長江經濟帶11個省份2008—2018年間農業碳生產率的每年的數值、各年份的均值及年均增長率(每年碳生產率的增長率之和/年數)。從長江經濟帶的整體情況來看，長江經濟帶農業碳生產率從2008年的2.71%上升到2018年的5.41%，年均增長率為7.17%，總體呈上升趨勢。從具體年份看，農業碳生產率除在2009年出現下降外，多數年份均呈現上升趨勢。

　　根據各省份農業碳生產率的測算結果，農業碳生產率存在顯著的省際差異特征。就各省份農業碳生產率水平而言，樣本期間內，農業碳生產率最高的省份為江蘇，平均值達到了6.23;農業碳生產率最低的是云南，平均值為2.47。從發展趨勢來看，長江經濟帶各省份的農業碳生產率除個別年份外，均呈逐漸上升的趨勢，其中農業碳生產率年均增長率最高的省份是浙江省，達到了15.42%。

　　3.2 長江經濟帶農業碳生產率的空間相關性檢驗

　　表2列出了長江經濟帶各省區之間的空間自相關性的檢驗結果，結果顯示：2008—2018年各年份的莫蘭指數在統計上具有顯著的正相關性，表明長江經濟帶各省區的農業碳生產率具有顯著的空間集聚特征，較高(低)農業碳生產率的地區相互鄰近。此外， 2008—2018年間，莫蘭指數值先上升后下降，這表明各地區的農業碳生產率的空間自相關程度隨著農業的不斷發展而逐年下降。

　　3.3 α 收斂檢驗結果分析

　　圖1顯示，長江經濟帶農業碳生產率 α 系數以 2009年為界先上升后下降，整體呈下降趨勢，說明長江經濟帶各省區的農業碳生產率與農業碳生產率的均值的離差隨著時間的推移逐漸縮小，長江經濟帶農業碳生產率存在 α 收斂。上游與中游地區農業碳生產率 α 系數呈現先上升后下降的變化趨勢。下游地區農業碳生產率 α 系數在總體上呈上升趨勢，表明下游地區農業碳生產率的省際差異在逐年擴大，不存在 α 收斂。

　　3.4 β 收斂檢驗結果分析

　　3.4.1 絕對 β 收斂結果分析

　　表3給出了長江經濟帶及各省區農業碳生產率的絕對 β 收斂的檢驗結果。首先對長江經濟帶及各省區農業碳生產率進行無權重的回歸分析。結果顯示， β 值顯著小于0，說明長江經濟帶及各省區的農業碳生產率的增長速度與初始水平呈現反向變動關系，存在絕對 β 收斂，即具有較低農業碳生產率的地區的增長速度快于較高地區，各地區的農業碳生產率最終收斂到自己的穩態水平。在考慮空間相關性之后，空間系數 λ顯著大于0，這再次說明長江經濟帶各省區之間存在顯著的正向空間效應。此外，收斂系數 β 始終顯著小于0，表明在考慮空間因素后，長江經濟帶及各省區農業碳生產率存在絕對 β 收斂。對比 β 收斂結果與 α 收斂結果，可以看到，長江經濟帶農業碳生產率既有絕對 β 收斂趨勢，也有 α 收斂趨勢。這表明，相較于農業碳生產率較高的地區，農業碳生產率較低的地區在樣本期內增長率相對較快，同時地區間農業碳生產率的絕對差異相對縮小。

　　3.4.2 條件 β 收斂結果分析

　　表4給出了長江經濟帶及各省區農業碳生產率的條件 β 收斂檢驗結果。長江經濟帶的整體檢驗結果表明，無論分析過程中考慮空間因素與否， β 值始終顯著小于0，表明在考慮了農業經濟發展水平、農村居民收入、種植結構以及耕地面積等因素后，長江經濟帶的農業碳生產率的條件 β 收斂效應較為顯著。比較傳統 β 收斂與空間 β 收斂的系數，可以看出：空間收斂模型的 β 系數絕對值更大，收斂速度也更快。從控制變量的回歸系數來看，農業經濟發展水平的提高使農業碳生產率降低，可能的原因在于我國農業經濟的發展是以能源的大量投入作為基礎的，在這種情況下，農業經濟發展水平的提高對農業碳生產率的增長率產生負向影響。農村居民收入對農業碳生產率的增長率產生正向影響，但并不顯著。農業種植結構的優化顯著提高了農業碳生產率的增長率，說明我國農業雖然以種植業和畜牧業為主，但林業和漁業所占比重不斷擴大，這對農業碳生產率的增長率產生了正向顯著影響。耕地面積的擴大使能源消耗越多，對農業碳生產率的增長率產生負向影響。

　　4 結論

　　在倡導低碳化生產與生活的時代背景下，提高農業碳生產率是實現農業穩定增長與碳減排雙重目標的重要途徑。基于2008—2018年中國長江經濟帶 11個省份的面板數據，本文測算了長江經濟帶各省區的農業碳生產率，分析了區域的差異性。在此基礎上，對長江經濟帶農業碳生產率的空間收斂性進行了系統考察。得到如下結論：

　　(1)長江經濟帶及上游、中游及下游三大區域農業碳生產率整體呈上升趨勢，年均增長率最高的是上游地區，下游地區次之，中游地區最低。長江經濟帶各省區農業碳生產率具有顯著的空間非均衡特征，呈現出從上游到中游、下游逐漸遞增的格局。

　　(2)長江經濟帶農業碳生產率具有顯著的正空間自相關關系，各省區的農業碳生產率會受到相鄰省份的影響。農業碳生產率的空間自相關度隨著時間的推移呈現波動上升的趨勢。

　　(3)長江經濟帶及各區域的省際差異隨著時間推移在逐步下降。長江經濟帶及上游、中游、下游地區農業碳生產率的絕對 β 收斂和條件 β 收斂特征明顯，這表明農業碳生產率較低地區的農業碳生產率的增長快于較高地區，各地區的農業碳生產率最終收斂到自己的穩態水平。空間效應加快了長江經濟帶及上游、中游、下游地區農業碳生產率的的 β 收斂速度。

　　(4)農業經濟發展水平及耕地面積對農業碳生產率增長率均具有負向影響，農村居民收入的提高和種植結構的優化則有利于農業碳生產率的提升。上述因素對不同區域農業碳生產率增長的不同影響是形成農業碳生產率區域差異的主要原因。